Aging causes a functional decline in tissues throughout the body that may be delayed by caloric restriction (CR). However, the cellular profiles and signatures of aging, as well as those ameliorated by CR, remain unclear. Here, we built comprehensive single-cell and single-nucleus transcriptomic atlases across various rat tissues undergoing aging and CR. CR attenuated aging-related changes in cell type composition, gene expression, and core transcriptional regulatory networks. Immune cells were increased during aging, and CR favorably reversed the aging-disturbed immune ecosystem. Computational prediction revealed that the abnormal cell-cell communication patterns observed during aging, including the excessive proinflammatory ligand-receptor interplay, were reversed by CR. Our work provides multi-tissue single-cell transcriptional landscapes associated with aging and CR in a mammal, enhances our understanding of the robustness of CR as a geroprotective intervention, and uncovers how metabolic intervention can act upon the immune system to modify the process of aging.

The young circulatory milieu capable of delaying aging in individual tissues is of interest as rejuvenation strategies, but how it achieves cellular- and systemic-level effects has remained unclear. Here, we constructed a single-cell transcriptomic atlas across aged tissues/organs and their rejuvenation in heterochronic parabiosis (HP), a classical model to study systemic aging. In general, HP rejuvenated adult stem cells and their niches across tissues. In particular, we identified hematopoietic stem and progenitor cells (HSPCs) as one of the most responsive cell types to young blood exposure, from which a continuum of cell state changes across the hematopoietic and immune system emanated, through the restoration of a youthful transcriptional regulatory program and cytokine-mediated cell-cell communications in HSPCs. Moreover, the reintroduction of the identified rejuvenating factors alleviated age-associated lymphopoiesis decline. Overall, we provide comprehensive frameworks to explore aging and rejuvenating trajectories at single-cell resolution and revealed cellular and molecular programs that instruct systemic revitalization by blood-borne factors.

Abstract Keloid is a benign dermal fibrotic disorder with some features similar to malignant tumors such as hyper-proliferation, apoptosis resistance and invasion. keloid remains a therapeutic challenge in terms of high recurrence rate and lack of satisfactory medical therapies, which is partially due to the incomplete understanding of keloid pathogenesis. A thorough understanding of the cellular and molecular mechanism of keloid pathogenesis would facilitate the development of novel medical therapies for this disease. Here, we performed single-cell RNA-seq of 28,064 cells from keloid skin tissue and adjacent relatively normal tissue. Unbiased clustering revealed substantial cellular heterogeneity of the keloid tissue, which included 21 cell clusters assigned to 11 cell lineages. Differential proportion analysis revealed significant expansion for fibroblasts and vascular endothelial cells in keloid compared with control, reflecting their strong association with keloid pathogenesis. We then identified five previously unrecognized subpopulations of keloid fibroblasts and four subpopulations of vascular endothelial cells. Comparative analyses were performed to identify the dysregulated pathways, regulators and ligand-receptor interactions for keloid fibroblasts and vascular endothelial cells, the two important cell lineages in keloid pathogenesis and for medical interventions. Our results highlight the roles of transforming growth factor beta and Eph-ephrin signaling pathways in both the aberrant fibrogenesis and angiogenesis of keloid. Critical regulators and signaling receptors implicated in the fibrogenesis of other fibrotic disorders, such as TWIST1, FOXO3, SMAD3 and EPHB2 , ranked at the top in the regulatory network of keloid fibroblasts. In addition, tumor-related pathways such as negative regulation of PTEN transcription were found to be activated in keloid fibroblasts and vascular endothelial cells, which may be responsible for the malignant features of keloid. Our study put novel insights into the pathogenesis of keloid, and provided potential targets for medical therapies. Our dataset also constitutes a valuable resource for further investigations of the mechanism of keloid pathogenesis.

Abstract Background Merkel cell carcinoma (MCC) is a rare and highly aggressive form of skin cancer. However, there is limited research on the clinicopathological features of early‐onset MCC (EOMCC) and the differences between EOMCC and late‐onset MCC (LOMCC). Our objective was to evaluate the clinicopathological features and cancer‐specific survival (CSS) of EOMCC. Methods Our cohort study analyzed data from the Surveillance, Epidemiology, and End Results (SEER) database from January 1, 2018, to December 31, 2020. Data from 1941 patients who were diagnosed with primary cutaneous MCC were included. We then divided the patients with MCC into two groups: those with EOMCC (526 patients) and those with LOMCC (1415 patients). CSS is used as the primary outcome. Results The EOMCC group exhibited trends toward advanced tumor progression, an expanded surgical scope, increased lymph node retrieval, intensified radiotherapy, greater utilization of systemic therapy, and a better prognosis. Multivariate analysis revealed that LOMCC (HR 3.305 [2.002–5.456], P < 0.001), advanced T stage (HR 1.430 [1.139–1.797], P = 0.002), advanced N stage (HR 1.522 [1.221–1.897], P < 0.001), M1 stage (HR 2.587 [1.480–4.521], P < 0.001), and radiation (HR 0.586 [0.410–0.837], P = 0.003) were significantly associated with CSS. Among these factors, EOMCC/LOMCC was most strongly associated with CSS, indicating that LOMCC is an independent risk factor for CSS. Interestingly, we found that regional EOMCC and localized or in situ LOMCC had almost completely overlapping survival curves ( P log‐rank = 0.620). Additionally, we observed that the TNM staging + age model was a more accurate predictor of CSS among MCC patients than using TNM staging alone. Conclusions We found that EOMCC has distinct clinicopathological features compared to LOMCC. EOMCC is associated with better CSS. The combination of TNM staging and age was more accurate for predicting patient outcomes than TNM staging alone.

Abstract Lymphedema is a chronic tissue edema that frequently occurs following lymph node resection for cancer treatment, and is characterized by progressive swelling, chronic inflammation, excessive fibrosis and adipose deposition in the affected limbs. We still lack targeted medical therapies for this disease due to the incomplete understanding of the mechanism underlying the pathogenesis. Here, we performed single-cell RNA-seq of 70,209 cells of the stromal vascular fraction (SVF) of subcutaneous adipose tissue from patients with cancer-related lymphedema and healthy donors. Unbiased clustering revealed 21 cell clusters, which were assigned to 10 cell lineages. One of the four ASC subpopulations, c3, was significantly expanded in lymphedema, which may be related to the fibrosis and pathologic mineralization of adipose tissues in lymphedema. Dysregulated pathways and genes of ASCs in lymphedema were identified through gene set enrichment analysis and differential regulatory network analysis, which reflect the pathophysiological changes in ASCs in lymphedema: enhanced fibrosis, mineralization and proliferation as well as compromised immunosuppression capacity. In addition, we characterized the three subpopulations of macrophages, and found that the adipose tissue of lymphedema displayed immunological dysfunction characterized by a striking depletion of anti-inflammatory macrophages, i.e., LYVE + resident-like macrophages. Cell-cell communication analysis revealed a perivascular ligand-receptor interaction module among ASCs, macrophages and vascular endothelial cells in adipose tissue. Communication changes for ASCs in lymphedema were identified. For example, PDGFD-PDGFR complex interactions were significantly enhanced between a number of lineages and ASCs, reflecting the role of PDGFD signaling in the pathophysiological changes in ASCs. Finally, we mapped the previously reported candidate genes predisposing to cancer-related lymphedema to cell subpopulations in the SVF, and found that GJC2 , the most likely causal gene was highly expressed in the lymphedema-associated ASC subpopulation c3. In summary, we provided the first comprehensive analysis of cellular heterogeneity, lineage-specific regulatory changes and intercellular communication alterations of the SVF in adipose tissues from cancer-related lymphedema at a single-cell resolution. The lymphedema-associated cell subpopulations and dysregulated pathways may serve as potential targets for medical therapies. Our large-scale dataset constitutes a valuable resource for further investigations of the mechanism of cancer-related lymphedema.

Abstract Background The feasibility of diagnosing malnutrition using facial features has been validated. A tool to integrate all facial features associated with malnutrition for disease screening is still demanded. This work aims to develop and evaluate a deep learning (DL) framework to accurately determine malnutrition based on a 3D facial points cloud. Methods A group of 482 patients were studied in this perspective work. The 3D facial data were obtained using a 3D camera and represented as a 3D facial points cloud. A DL model, PointNet++, was trained and evaluated using the points cloud as inputs and classified the malnutrition states. The performance was evaluated with the area under the receiver operating characteristic curve, accuracy, specificity, sensitivity, and F 1 score. Results Among the 482 patients, 150 patients (31.1%) were diagnosed as having moderate malnutrition and 54 patients (11.2%) as having severe malnutrition. The DL model achieved the performance with an area under the receiver operating characteristic curve of 0.7240 ± 0.0416. Conclusion The DL model achieved encouraging performance in accurately classifying nutrition states based on a points cloud of 3D facial information of patients with malnutrition.